| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第9-16页 |
| 1.1 课题的研究背景和意义 | 第9-11页 |
| 1.2 国内外研究动态 | 第11-14页 |
| 1.2.1 电力监控系统研究现状 | 第11-12页 |
| 1.2.2 负荷预测研究现状 | 第12-13页 |
| 1.2.3 用电优化研究现状 | 第13-14页 |
| 1.3 论文主要工作 | 第14-16页 |
| 第2章 某商场供配电系统及其监控系统分析 | 第16-22页 |
| 2.1 某商场供配电系统分析 | 第16-17页 |
| 2.1.1 工程概况及设计依据 | 第16页 |
| 2.1.2 负荷电源 | 第16页 |
| 2.1.3 配电站 | 第16-17页 |
| 2.2 某商业建筑电力监控系统 | 第17-20页 |
| 2.2.1 电力监控系统的基本组成和通信系统 | 第17-18页 |
| 2.2.2 监控要求 | 第18-19页 |
| 2.2.3 各层设计 | 第19-20页 |
| 2.3 本章小结 | 第20-22页 |
| 第3章 商业电力负荷短期预测 | 第22-54页 |
| 3.1 商业电力负荷预测特点 | 第22-27页 |
| 3.1.1 商业电力负荷特性分析 | 第22-23页 |
| 3.1.2 商业负荷特点 | 第23-25页 |
| 3.1.3 商业负荷预测难点 | 第25页 |
| 3.1.4 电力系统负荷基本模型 | 第25-26页 |
| 3.1.5 数据预处理 | 第26-27页 |
| 3.1.6 预测误差的计算方法 | 第27页 |
| 3.2 小波变换对数据进行初步处理 | 第27-33页 |
| 3.2.1 .概述 | 第27-28页 |
| 3.2.2 小波基本理论 | 第28-31页 |
| 3.2.3 小波理论在负荷预测中的应用 | 第31-33页 |
| 3.3 基于粗糙集的预测模型输入特征提取 | 第33-42页 |
| 3.3.1 概述 | 第33-34页 |
| 3.3.2 粗糙集的描述 | 第34-37页 |
| 3.3.3 基于粗糙集的输入特征提取的具体实现 | 第37-42页 |
| 3.4 支持向量机在商业电力负荷预测中的应用 | 第42-52页 |
| 3.4.1 统计学习理论 | 第42-43页 |
| 3.4.2 支持向量机原理 | 第43-46页 |
| 3.4.3 SVM模型进行训练及预测 | 第46-49页 |
| 3.4.4 小波支持向量机相结合在商业电力负荷预测中的应用 | 第49-52页 |
| 3.5 本章小结 | 第52-54页 |
| 第4章 商业用电优化模型 | 第54-71页 |
| 4.1 商业用电优化简介 | 第54-55页 |
| 4.2 用电负荷分类 | 第55页 |
| 4.3 空调负荷优化模型建模及求解 | 第55-63页 |
| 4.3.1 空调负荷模型 | 第55-57页 |
| 4.3.2 空调用电优化模型 | 第57-58页 |
| 4.3.3 多目标问题求取Pareto最优解集 | 第58-59页 |
| 4.3.4 空调多目标负荷优化算法选择 | 第59-61页 |
| 4.3.5 空调负荷优化结果 | 第61-63页 |
| 4.4 可转移负荷用电优化模型及求解 | 第63-70页 |
| 4.4.1 可转移优化问题描述 | 第63-65页 |
| 4.4.2 可转移负荷用电优化模型 | 第65页 |
| 4.4.3 可转移负荷优化算法选择及结果 | 第65-70页 |
| 4.5 本章小结 | 第70-71页 |
| 第5章 商业电力负荷预测及用电优化系统开发 | 第71-80页 |
| 5.1 开发软件 | 第71页 |
| 5.2 功能设计与实现 | 第71-75页 |
| 5.2.1 主要功能 | 第71-72页 |
| 5.2.2 C | 第72-73页 |
| 5.2.3 混合编程设计流程及步骤 | 第73-74页 |
| 5.2.4 数据库设计 | 第74页 |
| 5.2.5 基于混合编程的负荷预测及用电优化模块设计 | 第74-75页 |
| 5.3 设计实例 | 第75-78页 |
| 5.3.1 登录模块和主窗体 | 第75-76页 |
| 5.3.2 用户和数据管理界面 | 第76-77页 |
| 5.3.3 负荷预测及用电优化界面 | 第77-78页 |
| 5.4 本章小结 | 第78-80页 |
| 第6章 总结与展望 | 第80-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-88页 |
| 个人简历、在学期间发表的学术论文及研究成果 | 第88页 |